泉方本地PubMed检索系统
（一）数据库概述
泉方本地PubMed（见图7-27）是华中科技大学同济医学院与济南泉方科技有限公司合作开发的PubMed本地化外文检索平台，其文献数据来自PubMed，功能及用法类似于PubMed，但提供更多全文获取的可能性及结果文献的分析工具，可快速、准确、高效、方便地为医学研究与临床实践提供最优质的医学文献资源服务。
泉方本地PubMed是在美国PubMed的基础上，参考了CiteScore期刊评价系统、泉方学术搜索、德国GoPubMed、谷歌学术搜索等结果分析工具，集课题跟踪、文献管理、投稿指南、基于馆际互借的文献传递服务于一身，有以下特点：提供期刊影响因子或论文被引频次等过滤功能；提供基本数据统计分析功能；提供知识图谱、共词分析、高影响因子论文、高被引次数论文等特殊数据分析功能；支持在线申请全文，可获取90%左右的PubMed文献全文。
图7-27 泉方本地PubMed主页面
借助泉方本地PubMed强大的数据分析功能，可以快速了解某主题的文献分布情况，快速定位某领域的高影响力文献，快速选择某领域的高质量期刊文章，快速分析某主题的发展趋势，揭示主题概念间的内在联系，比较适用于对PubMed检索结果有深度分析需求的用户，尤其适用于外文全文库比较少的机构。
（二）检索途径与特色功能
泉方本地PubMed继承PubMed的检索语法、检索页面，但不是所有的检索途径都可以正常使用，可以实现的检索途径有基本检索、高级检索（Advanced Search）、主题词检索（MeSH Database）、期刊数据库检索（Journals in NCBI Databases）、单篇引文匹配器（Single Citation Matcher）、临床查询（Clinical Queries），检索结果与PubMed一致。
泉方本地PubMed的检索途径和使用方法与PubMed相同，在此不做赘述，参见本章第一节第一部分内容的介绍。其特色功能主要是对检索结果的聚类统计与深度分析、全文获取、期刊投稿指南。这里介绍一下期刊投稿指南功能。
泉方本地PubMed期刊投稿指南依据统计学的原理，参考期刊CiteScore指数、中科院期刊分区，可查看具体期刊的详细信息、推荐度、国内作者发文情况、研究偏向等。推荐度指的是用户输入的拟投稿论文的关键词在该刊的出现次数，根据文献计量学的原理，出现的次数越多，说明该方面是该刊刊载的重点，该刊比较适合作为拟投稿目标期刊。用户可根据拟投稿论文中的关键词进行查找，点击结果页面的“期刊信息”，可链接到期刊主页、PubMed期刊数据库，以便选择适宜的投稿期刊，同时也可以检索文献。
（三）检索结果的处理
泉方本地PubMed检索结果页面左边是文献类型、出版日期等限定条件；中间是结果信息显示区，可以查看文献题录信息、CiteScore期刊信息、中科院期刊分区、参考文献、引证文献、相似文献，还可以查询馆藏，提供有全文链接与文献传递入口；右边提供结果的自动过滤、智能化数据分析、可视化图谱分析等（见图7-28）。
1.基本数据统计分析
图7-28 泉方本地PubMed检索结果页面
参考德国GoPubMed系统，利用基因本体（gene ontology）和医学主题词表（MeSH terms）对文献进行自动聚类分析。包括对文献的作者、主题词、出版年、国家、类型、语言、期刊的计量分析，方便了解文献的分布情况。(https://www.daowen.com)
2.检索结果的自动过滤
泉方本地PubMed可以实现对检索结果的自动过滤，以便对结果进行进一步的限定，筛选优质文献，包括期刊、期刊CiteScore指数、期刊声望指数、中科院分区、被引次数、替代计量-Altmetric的过滤。
对期刊的过滤，通过输入标准期刊缩写，来精炼检索结果，最多可对三种期刊同时过滤。
CiteScore指数，参考Elsevier发布的以Scopus数据库为数据来源的CiteScore指数，考查某期刊一定引证时间窗口内论文的篇均被引频次，即某期刊前3年发表的文献在统计当年被引用次数除以该刊前3年发表的文献数，可全面了解期刊的学术影响力。
期刊声望指数，参考SJR（SCImago Joumal Rank），对期刊所发表文献的施引文献赋予不同权重，被声望越高的期刊引用则权重值越高，是一个既考虑了期刊被引数量，又考虑了期刊被引质量的指标，重引用数量，更重引用价值。
中科院分区过滤，为科研人员了解本领域学术期刊的影响力以及期刊评价工作提供参考，可以查看某期刊归属于中科院大类分区、中科院小类分区以及期刊的官网及中文简介等。
被引次数，指某文献在特定源期刊中被引用的次数，本系统参考的是在谷歌学术（Google Scholar）中的被引次数，考查的是某文献的学术影响力。
替代计量-Alt metric，是基于引文传统指标的在线新型计量指标，尤其重视基于社交网络数据的计量指标，旨在利用开放的学术交流数据开展科学评价的计量方法追踪、分析学术文献的在线科学交流活动，即时测量学术论文的影响力，是对传统引文指标的重要补充。
3.检索结果的深度分析
泉方本地PubMed除了对一般数据的处理，还可以实现对特殊数据的统计与深度分析，包括知识图谱、指纹共词、文献相似性、知识发现、高影响因子论文、高被引次数论文、知识发现、新词发现。
知识图谱，利用可视化的图谱形象地展示某学科或某主题的发展进程和研究热点。可以帮助用户了解某个研究领域内，各个研究方向从最早的一篇报道开始，到每年关于这个研究方向的篇数等。系统把年份作为X轴坐标，篇数作为Y轴坐标，然后用线条在二维图中连接起来形成一条曲线，从而辅助判断其研究的趋势。包括以下5项设置：主题词分类，将检索结果按学科分类，用于查看某一学科的内容；副主题词分类，是对主题词的修饰和限定，用于查看某主题相关的某一方面；年份过滤，只显示勾选的年份的文献；频次突变设置，突变就是突然变化，用于观察文献发文数量的突然暴增或暴减的情况，便于发现研究的暴发点；高频词过滤，部分研究中众所周知的高频词，勾选后可以忽略。
指纹共词，对反映文献主题内容的关键词的共现频次进行统计分析，即计算两个主题词在一组文献中共同出现的篇数，并将其演进路径显示出来的一种方法，揭示文献内在联系、研究热点和科学结构。
文献相似性，对检索到的所有文献两两之间的相似性进行计算，并以矩阵的形式呈现，既可以帮助研究者发现某篇文献的相似文献，也可以帮助信息人员发现某一研究领域文献之间的关系规律，最多可分析300条记录。
知识发现，对检索结果中所有文献包含的主题词根据其共现关系绘制图形，对不同主题词之间的关系进行可视化的展示。通过主题词之间的联系发现该领域主要的研究内容及各研究主题之间的内在联系。通过对文献进行较高层次的处理和分析，得到关于某领域的总体特征和对发展趋势的预测。知识发现将文献变为知识，从海量文献中找到蕴藏的知识金块，为知识创新和学科发展做出贡献。
4.全文获取
首先查询是否有馆藏，若无馆藏，则通过“全文链接”查看收录该文献的数据库，若为开放获取数据库或机构购买了该数据库，则直接点击链接获取全文；若以上途径无法获取全文，则可以尝试利用泉方本地PubMed系统的全文申请功能通过馆际互借获取全文。